计算 Wald 统计量
在上一个练习中，您拟合了只含 width 变量的模型，并评估了自变量与因变量之间的关系。本练习将通过计算 Wald 统计量来评估 width 变量的显著性。
另外请注意，在模型摘要中，Wald 统计量以字母 z 表示，这意味着该统计量服从标准正态分布。回忆 Wald 统计量的公式：
$$ z=\frac{\hat\beta}{SE} $$
其中 \(\hat\beta\) 是估计系数，\(SE\) 是其标准误。
已拟合的模型 crab_GLM 和数据集 crab 已预加载到工作区。
本练习是课程的一部分
Python 中的广义线性模型
练习说明
- 使用
.params提取并打印模型系数，分别保存为截距和斜率。 - 将协方差矩阵保存并打印为
crab_cov。 - 使用协方差矩阵提取相应元素，计算并打印标准误
std_error。 - 计算并打印 Wald 统计量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Extract coefficients
intercept, slope = ____.____
# Estimated covariance matrix: crab_cov
____ = crab_GLM.____
print(____)
# Compute standard error (SE): std_error
____ = np.____(____.loc['width', 'width'])
print('SE: ', round(____, 4))
# Compute Wald statistic
wald_stat = ____/____
print('Wald statistic: ', round(____,4))